第二代人工智能的战略联盟：如何建立联盟并使其发挥作用

gen AI的战略联盟：如何构建它们并使它们发挥作用 战略联盟是寻求从生成中创造价值的公司必须但是像传统的供应商安排那样接近他们是行不通的。 本文是Alex Singla，Alexander Sukharevsky，Ben Ellencweig和Guilherme Cruz与Carlo Palermo和Joshan Cherian Abraham的合作成果，代表了麦肯锡AI QuantumBlack的观点,麦肯锡数码。 解决方案将与公司的gen AI生态系统中的其他组件一起工作。 生成性AI (generative AI)转化潜力 承诺彻底改变业务并推动 每年4.4万亿美元的经济影响。来自各行各业的公司以及大量私人投资的空前采用率突显了这一潜力。 3.控制你的命运。重要的是在建立提供商的能力和过度依赖它们之间取得平衡。这意味着投资于灵活的基础设施，持续监控提供商的绩效，并将补偿与结果挂钩，同时明确知识产权(IP)界限。 然而，从技术中获取价值绝不仅仅是技术。希望超越运行genen AI实验的公司将需要重新布线他们的工作方式，以实现他们努力的全部价值。这种重新布线的一个关键组成部分是发展战略联盟1与gen AI提供商合作的独特挑战-从许多人在使用该技术方面缺乏经验到gen AI的不稳定性和风险，再到技术的快速变化速度-使合作变得越来越重要。 深入合作 正如许多公司正在学习的那样，在充分利用Gene AI的全部潜力方面，创建Gene AI功能的“构建与购买”方法不足。完全内部构建解决方案可能会耗时且资源密集，尤其是考虑到大多数公司缺乏Gene AI人才。2虽然购买现有的gen AI产品或服务可以快速访问经过验证的解决方案，但这些解决方案通常需要经验丰富的gen AI员工来定制它们以满足业务真正需要。 虽然许多公司已经在一定程度上与通用AI提供商合作，但关于在提供商中寻找什么以及战略联盟应如何运作的过时观念正在使这些努力面临风险。为了充分利用战略联盟，公司应该专注于三个领域： 1.更深入地进行协作。与General AI程序的提供商合作需要 另一方面，与提供商合作可以在获取最新功能和专业知识、开发速度和定制解决方案方面提供显著优势。但是有效的战略一代AI联盟的工作方式不同于传统的供应商关系。该技术仍在迅速成熟，实施复杂，稳定性问题困扰着解决方案，需要更紧密的合作和更高的信任度。 与传统供应商相比，更大程度的信任和协作是必要的，具有周到的透明度，频繁的沟通以及规划，开发和持续管理之间的明确一致性。 例如，只有在客户公司信任战略盟友有效保护数据的情况下，才能将数据共享到微调模型。同样，解决AI模型中根本原因问题的复杂性，其中许多问题尚未完全稳定，因此需要明确的沟通渠道和 2.零考虑提供可扩展性、互操作性和可重用性的提供商。没有一个提供商可以为公司提供他们需要的一切。与一系列提供商实现规模意味着不仅要了解提供商的规模，还要了解他们的规模 决议协议。这种级别的信任和合作应建立在三个基本组成部分上： This collaboration was instrumented in allowing theresulting model to surface the most appropriateproducts, even for complex or unmixed query, with over99% accuracy. early results indicate the solution couldyive a 10% to 20% improvement in从产品发现到购买的转化率，对于奢侈品行业来说是一个重大飞跃。 -共同创造解决方案。对于大多数公司来说，Gee AI的最大价值将来自于采用提供商提供的既定功能，并根据公司的独特数据定制这些功能。这需要一个高度迭代和协作的过程，公司和提供商密切合作，以获取和准备正确的数据，设计相关的提示，根据特定的用例需求微调模型，并在现场测试和迭代模型。为了管理公司可能需要与之合作的提供商的范围，建立频繁的接触点以共享更新，讨论挑战并调整提供商之间的优先级将是很重要的。在这个过程中，花时间参加面对面的研讨会和共同创新会议，庆祝里程碑，并公开分享经验教训，对于建立信任也至关重要。 -联合规划。Gen AI提供商必须提供对其产品路线图的可见性，包括即将推出的功能和功能，并可能授予对Alpha的访问权限or beta releases. This allows the client company both toexpecting how the provider ’ s offerings might evolve tomeet the company ’ s own future needs and to possiblyinfluence the direction of the road map. The road mapcan also be adjusted when the company shars its its帮助供应商更好地了解公司的需求。 例如，当一家奢侈品零售公司与一家Geeral AI提供商合作创建个性化产品推荐系统时，该公司分享了其庞大的产品信息目录，包括详细的规格、功能和客户评论。该公司还提供了对客户偏好和行为细微差别的宝贵见解，例如他们如何提出查询。这有助于提供商设计相关提示，微调geer AI模型，以理解和解释这些特定领域的数据，并理解用于描述奢侈品产品的特定语言、术语和属性。 这种级别的沟通和协调尤为重要，因为公司可能会使用不同的AI模型和应用程序（通常由不同的提供商开发），这些模型和应用程序需要紧密集成才能使解决方案正常运行。提供清晰度和透明度的潜在好处包括帮助各种供应商调整其路线图并识别依赖关系（例如，需要协同工作以提供特定的Geeral AI解决方案的多个模型之间）。我们看到了巨大红利的一个领域是提前投入大量时间-通常每两天开会一次，持续两到四个星期-制定一条共同的道路。 -风险和投资分担。Ge AI程序通常需要在专用硬件、大规模数据采集和标记以及用于模型训练的大量计算资源方面进行大量投资。此外，与采用Ge AI功能相关的风险-从幻觉模型到隐私问题-需要密切关注。出于这些原因，公司应该考虑如何最好地在提供商之间分配与GeeralAI开发相关的财务，技术和运营资源以及风险。例如，公司和提供商应明确定义与Ge AI项目相关的特定风险，例如数据隐私泄露，模型偏见或IP侵权。理想情况下，这些协议将概述各方减轻和管理这些风险的责任，以及任何财务或法律责任。 Map and system dependencies. The output from thiseffort should include a primary project plan that capturesmilestones and dependencies between providers so theclient company can better manage and coordinate allparties. 一家领先的技术公司采用了这种方法。它与AI供应商进行了联合规划会议，以确定高影响力的用例，以加强其核心产品。该公司分享了宝贵的客户分析见解，并概述了其AI驱动创新的长期愿景，这有助于一代AI提供商制定更加一致的路线图。就其本身而言，Ge AI提供商提供了对新的Ge AI功能和模型的早期访问，使公司能够在正式发布之前进行测试和提供反馈。通过这些协作规划工作和关于路线图需求和调整的持续沟通，公司能够缩短部署大规模解决方案的上市时间。例如，它发起了由geer AI支持的个性化营销活动。在开始战略联盟后的六个月内，显著提升了销售转化率。 同一家技术公司早些时候提到，通过围绕结果而不是令牌使用来构建合同，与他们的Gen AI提供商分担风险。这种方法使公司能够管理不确定性和成本，同时调整激励措施并促进对成功的共同承诺。 在提供可扩展性、互操作性和可重用性的提供商上找零 用户查询在六个月内增加50%而不降级。提供商还应该愿意定期审查和调整里程碑和合同，以确保与不断发展的目标保持一致。 可以为有效的gener AI解决方案提供所有最佳组件的单一提供商尚不存在，至少目前还不存在。技术堆栈意味着公司将需要与专业技术提供商的策划网络合作。 —可重用性。重用代码可以将GeneralAI用例的开发速度加快30％至50％，因此提供商提供的服务至关重要 可以轻松地跨多个项目重新利用的解决方案。5因此，公司应该寻找提供灵活的模块化组件和预训练模型的提供商（例如可定制的自然语言处理模块或可配置的数据管道，可以进行微调并适应各种上下文。他们还应该寻求提供工具和框架的提供商（例如，用于集成和扩展Geeral AI组件的直观API和软件开发工具包或用于模型微调的拖放界面），这些工具和框架可以轻松定制和扩展解决方案。 在开发可以扩展的提供商生态系统时，协同工作的组成部分比单独的组成部分更为重要。 事实上,自2022年11月ChatGPT推出以来,开源大型语言模型(LLM)和商业LLM的数量翻了两番。3此外，目前有1000多家人工智能供应商，在过去一年中推出了600多种新产品，其中大部分是由gener AI推动的。4为此，公司在选择提供商时应该关注三个关键标准： -可扩展性。考虑到一代AI令人难以置信的规模— —从训练和微调模型所需的数据量到响应的查询模型数量——提供商应该有一个成熟的跟踪记录，可以在不影响性能的情况下处理更多的复杂流量和用户查询。公司应该进行压力测试试点计划，这些计划通常不会复制实时条件，并且通常不是缩放准备的良好晴雨表。在评估可伸缩性时，重要的是寻找可以承诺特定里程碑的提供者，例如处理。 —互操作性。模型和组件之间的互操作性对于创建一个有凝聚力、高效和可扩展的Geeral AI生态系统至关重要。在评估模型或解决方案的互操作性时，公司应该寻找符合行业标准和数据交换、API设计和软件开发最佳实践的提供商（例如，Apache Avro和JavaScriptObject Notatio等标准数据格式、PyTorch等已建立的机器学习框架或数据治理标准）。提供商应使用广泛采用的编程语言，提供有据可查且易于使用的API，并支持与公司的数据源，应用程序和平台的平滑集成。 应确保提供商在开发过程中包含适当的文档和足够的透明度。需要强大的监控和测试功能来跟踪提供商性能并及早发现问题（例如，自动报告功能来收集和汇总相关指标，包括模型输入和输出、延迟和吞吐量统计以及用户反馈）。定期对Geeral AI解决方案进行端到端测试（从数据摄取到模型输出）非常重要，以便跟踪性能并识别整个提供商生态系统中的问题根源。经验表明，所有提供者都参与建立。全面的测试策略（例如，联合集成测试和场景测试）有助于设定明确的期望和责任。 这三个标准对于选择可以扩展的AI提供商至关重要，但公司还应确保所有提供商都符合其他标准的高标准，例如道德准则以及遵守当地隐私和技术主权法规。 围绕明确的数据治理和安全协议建立和协调可以大大有助于与提供商建立信任。 控制你的命运 在建立紧密的战略联盟和维持这些合作的更广泛方向和愿景之间找到最佳位置，这对组织来说是一个严峻的挑战。希望保持独立性和控制自己命运的公司最好考虑以下指导方针： —建立清晰的IP边界。关于General AI的IP难题仍在解决中，因此提前建立清晰的边界很重要。 例如，公司应指定各方为协作带来的现有IP，例如专有数据集，算法或模型。他们应该定义在合作期间创建的知识产权（例如，任何专利、版权或商业秘密）将如何被拥有和管理，包括预定义的许可、商业化和收益分享条款。他们应该概述跟踪和归因共同开发的知识产权的个人贡献的过程，这可以帮助防止纠纷并确保各方的贡献得到适当认可。在此过程中保持透明并确保对齐也可以帮助建立信